Categorieën bekijken

Hoe verbind ik een Oracle-database met Claude/Cursor via MCP (Oracle MCP-serverconfiguratie)?

Leestijd: 24 minuten

MCP-SERVER ORACLE-DATABASE

Query's uitvoeren op een Oracle-database met Claude of Cursor via MCP.

Verbind Oracle Database — on-premise, RAC, Exadata, Autonomous of 19c — met Claude of Cursor met één MCP-sleutel. Schema Intelligence ondersteunt PL/SQL-dialecten, waardoor de AI in één keer geldige Oracle SQL genereert via een beveiligde, alleen-uitgaande cloudverbinding zonder port forwarding.

Geen firewall-gaten Eén sleutel, elke connector Live data, geen cachevertraging Neem je eigen AI-tool mee.

Query Streams is een veilig, realtime data-integratieplatform dat elke database en SaaS API in uw account integreert in Claude, Cursor, ChatGPT en Grok — via één enkele MCP-sleutel en zonder dat er firewallwijzigingen nodig zijn. Deze handleiding beschrijft hoe u de Oracle MCP-connector configureert, zodat uw AI-tool vragen in begrijpelijke taal kan beantwoorden over medewerkers, afdelingen, orders, financiën en alle andere Oracle Database-gegevens — inclusief joins, aggregaties, PL/SQL-syntaxis, schema-exploratie en ad-hoc rapportage — zonder dat u CSV-exports hoeft te kopiëren en plakken vanuit SQL Developer, Toad of SQL*Plus. Of u nu Oracle 19c on-premise, Oracle Autonomous Database in OCI, Oracle XE op een ontwikkelwerkstation of een RAC-cluster op Exadata gebruikt, de Oracle MCP-server verbindt ze allemaal met uw AI-client via één sleutel. Meer informatie vindt u op QueryStreams.com en gratis aanmelden om je AI-tool echte Oracle-vragen te gaan stellen.

Wat Query Streams MCP u biedt voor Oracle Database

Andere "Oracle MCP"-servers in het open-source-landschap verbinden de AI-tool rechtstreeks met een Oracle TNS-verbindingsreeks. Dat werkt, maar het voegt een databasewachtwoord (en vaak een wallet) toe aan de configuratie van uw AI-client, beperkt de AI-tool tot slechts dat ene Oracle-eindpunt en biedt geen auditlogboek van wat de AI daadwerkelijk heeft opgevraagd. De Query Streams MCP-server voor Oracle lost een breder probleem op: één sleutel, elke connector, een volledig auditlogboek en de AI-tool bewaart nooit uw Oracle-gegevens.

Geen inkomende firewall-gaten

De netwerkagent opent één enkele versleutelde uitgaande cloudverbinding naar Query Streams. Uw AI-client maakt verbinding met de cloud, nooit met uw Oracle-host. Geen poort om te openen, geen IP-adres om toe te voegen aan een whitelist, geen VPN, geen Oracle TNS-listener die is blootgesteld aan het openbare internet.

Eén sleutel, elke connector

Dezelfde MCP-sleutel heeft toegang tot elke database en SaaS-API waarmee uw account is verbonden. Voeg morgen een Stripe- of PostgreSQL-connector toe en de AI-tool herkent deze direct naast uw Oracle-schema's zonder dat u de sleutel opnieuw hoeft in te voeren.

Schema-intelligentie ingebouwd

De AI ziet door AI samengestelde beschrijvingen, semantische typen, lijsten met enumeratiewaarden en op betrouwbaarheid gebaseerde foreign keys voor elke Oracle-kolom – niet alleen de kale gegevens. ALLE_TAB_KOLOMMEN Het genereert in één keer accurate Oracle SQL, zelfs op oudere schema's met de 30-tekens-afkapping van kolomnamen van databases van vóór versie 12c.

Alleen-lezen is verplicht bij de agent.

Zelfs een hallucinerende LLM kan geen VERWIJDEREN, UPDATE, of TRUNCATE via Query Streams MCP. De netwerkagent weigert alles wat niet SELECT, MET, of UITLEGGEN voordat Oracle de SQL-query ooit te zien krijgt.

Per-toets snelheidslimieten

Standaard 60 aanvragen per minuut en 10 uitvoeringsoproepen per minuut, configureerbaar per sleutel. Een oncontroleerbare lus van AI-tooloproepen verbruikt een tokenbucket, niet uw Oracle-sessielimiet of uw Autonomous Database OCPU-factuur.

Hoe het werkt zonder firewallpoorten te openen

De Network Agent wordt eenmalig geïnstalleerd op elke host die uw Oracle Database via Oracle Net Services (TNS) kan bereiken en maakt één uitgaande TLS-verbinding met de cloud aan. Er wordt nooit inkomend verkeer blootgesteld en de AI-tool krijgt nooit uw Oracle TNS-verbindingsreeks of wallet te zien. Hoe werkt een verbinding die alleen uitgaand verkeer toelaat? →

AI-client

Cursor, Claude,
ChatGPT, Grok

QS MCP-server

Streambare HTTP
X-MCP-sleutel authenticatie

Netwerk Agent

Op uw netwerk
Cloud-verbinding uit

Oracle-database

TNS / portemonnee in bezit
door de agent

Geen inkomende poort nodig — de agent belt uit, nooit andersom.

De MCP-toets die je aan Cursor of Claude geeft, is beperkt (lezen / analyseren / uitvoeren), op elk moment herroepbaar en met een limiet per sleutel. De AI-tool roept deze MCP-tools aan om zijn werk te doen:

querystreams-mcp · toolcatalogus
qs_list_organizationslezen
Retourneert de organisatie die is gekoppeld aan de aanroepende sleutel.
qs_list_agentslezen
Geeft een overzicht van netwerkagenten en hun online status.
qs_list_connectorslezen
Geeft een overzicht van data-connectoren (één item per databaseserver of API).
qs_get_connector_schemalezen
Geeft de Oracle-schema's, -tabellen en -kolommen terug die de AI kan bevragen, met Schema Intelligence-verrijking indien beschikbaar.
qs_profiel_tabelanalyseren
Voorbeeldwaarden, verdelingen, enumeratiedetectie, semantische typen — op aanvraag.
qs_list_saved_querieslezen
Voorgebouwde, geparameteriseerde SQL-sjablonen die het team vertrouwt. De AI voert ze uit zonder ooit de SQL-code te zien.
qs_run_saved_queryuitvoeren
Voert een opgeslagen query uit door patroon_sleutel met optionele parameteroverrides.
qs_run_queryuitvoeren
Voert een SELECT-query uit op een connector. Een alleen-lezen validator wordt uitgevoerd op de agent, voordat Oracle de SQL-query ziet.

Waarom Schema Intelligence Query Streams MCP anders maakt

De meeste "MCP for Oracle"-servers in het open-source landschap bieden uw AI-tool dezelfde mogelijkheden. ALLE_TAB_KOLOMMEN Oracle geeft een vreemde een voorproefje. Kolomnamen. Gegevenstypen. Misschien een primaire sleutel. De LLM moet maar raden wat er aan de hand is. STATUS_CD = 'A' betekent, wat EMP_NM_TXT daadwerkelijke opslagplaatsen, of welke van de twee JOB_ID De kolom is de juiste om op te joinen (en of de 30-tekens tellende afkapping van kolomnamen vóór versie 12c de betekenis heeft veranderd). Daarom is de eerste SQL die de meeste LLM's schrijven tegen een kaal Oracle-schema onjuist — niet omdat de LLM slecht is, maar omdat deze niet over de benodigde gegevens beschikt om correct te zijn, en de datawoordenlijst van Oracle is complex.

Query Streams MCP retourneert hetzelfde schema, verrijkt met wat wij noemen Schema-intelligentie (SI) — Door AI samengestelde metadata die wordt gegenereerd door profileringsquery's uit te voeren op uw gegevens. werkelijke Oracle-gegevens voordat de AI-client erom vraagt. Wanneer SI is ingeschakeld op een connector en database, worden alle schematools die de AI aanroept (qs_get_connector_schema, qs_get_table_schema, qs_profiel_tabel, qs_get_relationships) retourneert het kale schema plus zes lagen van samengestelde kennis. De LLM maakt een einde aan het giswerk.

Om dit concreet te maken, volgt hier wat de AI-client terugkrijgt van een enkele opdracht. qs_get_table_schema een aanroep doen tegen een typisch Oracle HR-schema (medewerkers, afdelingen, banen, locaties, werkgeschiedenis) — eerst zonder schema-intelligentie, daarna mét.

Zonder schema-intelligentie data_source: vastgelegd_schema
// Wat de LLM ziet == TABEL: hr.employees == – employee_id NUMMER(6) [PK, NIET NULL] – achternaam VARCHAR2(25) NOT NULL – e-mail VARCHAR2(25) NOT NULL – indiensttredingsdatum DATUM NIET NULL – job_id VARCHAR2(10) NOT NULL – salaris NUMMER(8,2) – commissie_pct NUMMER(2,2) – manager_id NUMMER(6) – afdelings-ID NUMMER(4) == TABEL: personeelsafdelingen == – afdelings-ID NUMMER(4) [PK] – afdelingsnaam VARCHAR2(30) NOT NULL – locatie_id NUMMER(4) == TABEL: hr.jobs == – job_id VARCHAR2(10) [PK] – functietitel VARCHAR2(35) NOT NULL – minimumsalaris NUMMER(6) – max_salaris NUMMER(6) == TABEL: hr.locations == – locatie_id NUMMER(4) [PK] - stad VARCHAR2(30) NOT NULL – land_id CHAR(2) Buitenlandse sleutels (gedeclareerd, geen verrijking): medewerkers.afdeling_id -> afdelingen.afdeling_id medewerkers.functie_id -> functies.functie_id afdelingen.locatie_id -> locaties.locatie_id si_aanbeveling: staat: “niet_uitvoeren” Wat je mist voor dit gesprek: – Voorbeeldwaarden per kolom + enum-detectie – Tabel- en kolombeschrijvingen – Semantische typeclassificaties – Tagging van bedrijfsdomeinen – Statistieken over het percentage null-waarden voor commission_pct opmerking: “Alleen typen en primaire/vreemde sleutels, geen semantische context”
Met schema-intelligentie data_source: schema_intelligence
// Wat de LLM ziet == TABEL: hr.employees [FEIT, domein:hr] == “Eén rij per werknemer, huidig en historisch. Salaris is het jaarlijkse basissalaris in USD; totale vergoeding = salaris * (1 + NVL(commissie_pct, 0)).” – werknemers-ID NUMMER(6) [PK] identificator – achternaam VARCHAR2(25) persoonsnaam – e-mail VARCHAR2(25) e-mailadres (inlogvoorvoegsel) Voorbeeld: SKING, NKOCHHAR, LDEHAAN – indiensttredingsdatum DATUM datum_iso Periode: 17-06-1987 – 21-04-2025 – job_id VARCHAR2(10) status_code (enum) IT_PROG (16%) | SA_REP (12%) | ST_CLERK (10%) | … FK -> jobs.job_id (100% overlap, conf 0.99) – salaris NUMMER(8,2) munteenheid Bereik: 2.100,00 – 24.000,00 · gemiddelde 6.461,83 – commissie_pct NUMMER(2,2) percentage (nullable, 65% null) Bereik: 0,10 – 0,40 (alleen voor verkoopmedewerkers) – manager_id NUMMER(6) identificator FK -> employees.employee_id (self-ref) – afdelings-ID NUMMER(4) identificator FK -> departments.department_id (conf 0.99) == TABEL: personeelsafdelingen [DIM, domein:hr] == – afdelingsnaam VARCHAR2(30) status_code (enum) Voorbeelden: Verkoop, IT, Marketing, Financiën, Personeelszaken == TABEL: hr.jobs [LOOKUP, domein:hr] == “Vacaturecatalogus. min_salary/max_salary definiëren de salarisband voor elke vacature-ID.” – functietitel VARCHAR2(35) tekstinhoud – minimumsalaris NUMMER(6) munteenheid – max_salaris NUMMER(6) munteenheid == TABEL: hr.locations [DIM, domein:hr] == – stad VARCHAR2(30) geo_stad Voorbeelden: Seattle, Toronto, Londen, Tokio, München – land_id CHAR(2) geo_country_code

De zes lagen die Schema Intelligence toevoegt

Elke laag behandelt een type vraag waar de LLM anders alleen maar naar zou gissen. De optionele SI-profileringsstap wordt alleen-lezen uitgevoerd op uw Oracle-gegevens zonder uw schema te wijzigen. Wat Schema Intelligence toevoegt en hoe het actueel blijft →

Door AI samengestelde beschrijvingen

Een duidelijke, in begrijpelijke taal geformuleerde beschrijving van het doel van elk schema, elke tabel en elke kolom — eenmalig gegenereerd en automatisch bijgewerkt wanneer uw Oracle-schema wijzigt. De beschrijvingen worden beoordeeld op betrouwbaarheid; beschrijvingen van gebruikers hebben altijd de voorkeur.

werknemers: “Eén rij per werknemer,
actueel en historisch.”

Tabelclassificaties

Elke tabel is gelabeld met FACT (transactionele gebeurtenissen), DIM (beschrijvende verwijzing) of LOOKUP (kleine code-mapping), plus een bedrijfsdomein — HR, verkoop, financiën, ondersteuning en nog 15 andere.

werknemers [FEIT, domein:hr]
vacatures [LOOKUP, domein:hr]

Semantische typen per kolom

Achttien typen: valuta, e-mail, datum-iso, statuscode, percentage, rangschikking, identificatiecode, URL, persoonsnaam en meer. De AI genereert dialectcorrecte Oracle SQL (SYSDATE, NVL, HAAL ALLEEN DE EERSTE n RIJEN OP) passend bij elk type.

salaris: valuta · e-mail: e-mail
commissie_pct: percentage

Voorbeeldwaarden uit echte gegevens

Willekeurige rijen werden aan de LLM getoond, waardoor deze patronen herkent die geen enkel Oracle-schema kan weergeven: opmaakconventies, gecodeerde VARCHAR2-waarden, naamgevingsstijlen en de daadwerkelijke structuur van uw tekenreeksen.

e-mail: ['SKING', 'NKOCHHAR',
'LDEHAAN', 'AHUNOLD']

Enum-detectie met distributies

Kolommen met een lage cardinaliteit (50 of minder unieke waarden, maximaal 5% van de rijen uniek) worden gekoppeld aan hun volledige waardelijst met rijtellingen. De AI raadt nooit de hoofdlettergevoeligheid van Oracle of de spelling van taakcodes.

job_id: IT_PROG (16%) | SA_REP (12%)
| ST_CLERK (10%) | …

Impliciete ontdekking van vreemde sleutels

Analyse van overlappingen in gegevens tussen tabellen vindt joins die niet als DDL-beperkingen zijn gedeclareerd (en bevestigt de joins die dat wel zijn). Deze worden opgeslagen naast formele Oracle FK's met betrouwbaarheidsscores, geretourneerd door qs_get_relationships.

medewerkers.afdeling_id ->
afdelingen.afdeling_id (conf 0.99)

Dezelfde prompt, andere SQL-query

Het bewijs zit in de SQL-query's die de AI-tool daadwerkelijk genereert. Dezelfde cursorsessie, hetzelfde Claude-model, dezelfde prompt. "Laat me de 5 bestbetaalde werknemers zien die het afgelopen jaar in dienst zijn getreden, inclusief hun totale vergoeding en afdeling." Zonder Schema Intelligence gebruikt de LLM een syntax die lijkt op die van PostgreSQL, maar die Oracle afwijst. Met Schema Intelligence kent de LLM het dialect.

Zonder schema-intelligentie
— LLM's eerste poging tegen een kaal schema: SELECT werknemers-ID, achternaam, salaris, salaris + (salaris * commissiepercentage) AS totaal_comp VAN medewerkers WAAR indiensttredingsdatum >= '2025-05-06' ORDER BY salaris DESC LIMIET 5 ORA-00933: SQL-opdracht niet correct beëindigd LIMIT is voor PostgreSQL/MySQL, niet voor Oracle. “werknemers” niet gekwalificeerd — dubbelzinnig schema commission_pct wordt genegeerd omdat het nullable is — NULL vervuilt total_comp vastgelegde datum — "vorig jaar" is dynamisch Geen JOIN naar afdelingen — prompt vroeg erom
Met schema-intelligentie
— LLM's eerste poging met SI ingeschakeld: SELECT e.employee_id, e.last_name, e.salary, e.salary * (1 + NVL(e.commission_pct, 0)) AS totaal_comp, d.afdelingsnaam VAN hr.employees e JOIN hr.afdelingen d OP d.department_id = e.department_id WAAR e.hire_date >= ADD_MAANDEN(SYSDATE, –12) ORDER BY e.salaris DESC HAAL EERST OP 5 ALLEEN RIJEN 5 rijen. Meteen goed. FACT/DIM-tags gaven richting aan de koppeling met afdelingen. FK-verrijking bevestigde afdelings-ID-link commission_pct is gemarkeerd als nullable — NVL toegepast hire_date saw semantic type = date_iso -> ADD_MONTHS Oracle 12c+ ALLEEN DE EERSTE n RIJEN OPHALEN hr. schema-kwalificatie uit connector-metadata
Wil je Schema Intelligence niet uitvoeren? MCP werkt nog steeds — schema-tools retourneren kale metadata (typen, primaire sleutels, formele externe sleutels, indexen) en elke verslechterde respons bevat een si_aanbeveling Een blok dat de AI vertelt wat er ontbreekt, inclusief een optie om SI tijdens een gesprek in te schakelen met één telefoontje. qs_request_si_analysis. Hoe Schema Intelligence werkt en hoe lang het duurt →
Nova AI

Is MCP niet jouw ding? Probeer dan Nova AI eens.

Sla de JSON-configuratie volledig over: Nova AI is geïntegreerd in het Query Streams-webportaal. en stelt dezelfde vragen in begrijpelijke taal aan uw Oracle-connector — dezelfde agent, dezelfde alleen-lezen-beperking, dezelfde Schema Intelligence, geen MCP-configuratie nodig.

Maak kennis met Nova AI

Vereisten

Voordat je begint, zorg ervoor dat je het volgende hebt:

  1. Een gratis Query Streams-account bij mijn.querystreams.nl.
  2. De Query Streams Network Agent is geïnstalleerd op een machine die uw Oracle-database kan bereiken — zie Download de Query Streams Agent..
  3. Een Oracle-connector geconfigureerd voor de agent — zie de bestaande connector instellen Handleidingen voor de TNS-verbindingsreeks. De agent bewaart het Oracle-gebruikerswachtwoord (of de wallet-, Kerberos- of directoryservice-referenties); de AI-tool krijgt deze gegevens nooit in handen.
  4. Elke AI-client die MCP ondersteunt. In deze handleiding laten we Cursor, Claude Desktop, ChatGPT en Grok zien; als je Windsurf, Zed, Continue, Cline, VS Code Copilot, Codex of Goose gebruikt, is het configuratieblok in principe hetzelfde.
  5. Vijf minuten.
Je hoeft de agent maar één keer in te stellen. Dezelfde agent die de Excel- en Google Sheets-add-ons van Query Streams, de webgebaseerde Query Builder en Nova AI aandrijft, wordt ook gebruikt voor MCP. Het toevoegen van MCP aan een bestaand Query Streams-account is slechts een kwestie van het genereren van een sleutel; de agent en de Oracle Database-connector zijn al actief.
1

Genereer een MCP-sleutel

Van de /mcp Ga naar de pagina Query Streams en genereer een sleutel met de gewenste scopes.

2

Sleep het naar je AI-client.

Eén JSON-fragment voor Cursor, Claude, ChatGPT of Grok. Dezelfde sleutel overal.

3

Stel een vraag

"Wat is de gemiddelde diensttijd van onze medewerkers per afdeling?" — de AI roept de juiste tools aan en u krijgt het antwoord.

Stap 1: Genereer een MCP-sleutel in Query Streams

Meld u aan bij Query Streams en open de MCP-pagina (of meld u eerst aan bij mijn.querystreams.nl en klik MCP (in de linkernavigatie). Klik Sleutel genererenGeef de sleutel een herkenbare naam (iets zoals cursor-laptop of claude-desktop), en kies de bereiken die je aan deze sleutel wilt toevoegen:

  • lezen — De AI kan connectoren doorzoeken en schema's lezen. Dat is voor al het andere nodig.
  • analyseren — De AI kan tabellen profileren en relaties ontdekken (voorbeeldwaarden, verdelingen, semantische typen). Optioneel, maar sterk aanbevolen voor Oracle-werk, waar inzicht in de structuur van uw gegevens van belang is wanneer de LLM joins genereert tussen legacy-schema's.
  • uitvoeren — De AI kan daadwerkelijk SQL-query's uitvoeren. Zonder dit kan de AI alleen schema-metadata lezen.

Voor een typische workflow zoals "Laat Claude mijn Oracle-gegevens analyseren" zijn alle drie de scopes geschikt. Voor een sleutel die je aan een teamlid of een minder vertrouwde klant geeft, laat je deze scope weg. uitvoeren en laat ze alleen browsen. Je kunt elke sleutel op elk moment vanaf dezelfde pagina intrekken; de AI-client zal dit zien. MCP_KEY_REVOKED Bij de volgende oproep stopt het direct met werken. Er is geen vertraging in de signaaloverdracht.

Kopieer de sleutel nu — Query Streams toont deze eenmalig en slaat vervolgens alleen een hash op. Als u de sleutel kwijtraakt, genereer dan een nieuwe. De sleutel ziet er als volgt uit: qsmcp_ gevolgd door 48 willekeurige tekens, en dat is wat uw AI-client verzendt in de X-MCP-sleutel verzoekheader.

Stap 2: Voeg Query Streams MCP toe aan uw AI-client

De configuratie heeft dezelfde vorm voor elke MCP-compatibele client: een MCP-serververmelding die verwijst naar https://mcp.querystreams.com met uw sleutel in de X-MCP-sleutel Koptekst. Kies hieronder uw klant.

Cursor
Cursor ~/.cursor/mcp.json
// Bewerk ~/.cursor/mcp.json
{
  "mcpServers": {
    "querystreams": {
      "url": "https://mcp.querystreams.com",
      "kopteksten": {
        "X-MCP-sleutel": "qsmcp_PLAK_HIER_SLEUTEL_"
      }
    }
  }
}
Claude Desktop
Claude Desktop claude_desktop_config.json
// Instellingen → Ontwikkelaar → Configuratie bewerken
{
  "mcpServers": {
    "querystreams": {
      "url": "https://mcp.querystreams.com",
      "kopteksten": {
        "X-MCP-sleutel": "qsmcp_PLAK_HIER_SLEUTEL_"
      }
    }
  }
}
ChatGPT
ChatGPT Apps en connectoren
// Instellingen → Apps en connectors → MCP toevoegen
Server-URL  https://mcp.querystreams.com
Auth-header X-MCP-sleutel
Kopwaarde qsmcp_PLAK_HIER_SLEUTEL_

// Vereist een betaald ChatGPT-abonnement
// (Plus / Pro / Team / Enterprise).
Grok
Grok Externe MCP-tools
// Grok → Instellingen → Hulpmiddelen
{
  "mcp_servers": [{
    "naam": "querystreams",
    "url": "https://mcp.querystreams.com",
    "auth_header": "X-MCP-sleutel",
    "auth_value": "qsmcp_..."
  }]
}

Start uw AI-client opnieuw op. Bij de volgende opstart zal deze de acht hierboven vermelde Query Streams MCP-tools detecteren en in het toolpalet weergeven. In Cursor en Claude Desktop kunt u dit controleren door te typen “lijstconnectoren” — de AI zou moeten bellen qs_list_connectors en retourneer uw Oracle-connector samen met alle andere door u geconfigureerde gegevens.

Stap 3: Stel de AI een vraag aan het orakel.

Je hoeft geen SQL te schrijven, dat doet de AI. Je stelt een vraag, de AI kiest de juiste MCP-tool, de agent voert de query uit op je Oracle-database en het antwoord krijg je terug als tekst plus tabellen. Drie voorbeeldvragen om mee te beginnen:

“Wat is de gemiddelde diensttijd van onze medewerkers per afdeling?”
Arbeidskrachten
De AI zal bellen qs_get_connector_schema om te ontdekken hr.medewerkers en personeelsafdelingen tabellen, dan qs_run_query met een SELECT die ze samenvoegt op afdelings-ID en berekent GEMIDDELDE(MAANDEN_TUSSEN(SYSDATE, e.hire_date) / 12) per afdeling. Het resultaat is een gerangschikte tabel van afdelingen met gemiddelde diensttijd in jaren, aantal medewerkers en een betrouwbaarheidsindicatie voor personeelsverloop. U ontvangt hierbij een schriftelijke interpretatie – welke afdelingen stabiel zijn, welke groeien en welke een risico vormen voor personeelsverloop – die de AI rechtstreeks heeft afgeleid uit de HR-gegevens van Oracle.
"Laat me de 10 bestbetaalde werknemers zien die het afgelopen jaar bij ons in dienst zijn getreden."
Compensatie
De AI gebruikt de in Oracle gangbare datumrekenkunde om de laatste 12 maanden te begrenzen (e.hire_date >= ADD_MONTHS(SYSDATE, -12)), is van toepassing NVL(commissie_pct, 0) om de kolom met null-waarden die door Schema Intelligence is gemarkeerd, te verwerken, joins hr.medewerkers door afdelings-ID naar personeelsafdelingen voor context, en ranglijsten op salaris met HAAL ALLEEN DE EERSTE 10 RIJEN OPHet resultaat is een tabel met werknemers-ID, achternaam, basissalaris, totale vergoeding inclusief commissie, afdeling en indiensttredingsdatum. De AI geeft doorgaans aan welke functies boven hun niveau vallen. jobs.max_salary band als vervolg.
Welke functiecategorieën zijn het meest gegroeid ten opzichte van vorig jaar?
Aantal medewerkers
De AI gebruikt de enum-detectie van Schema Intelligence op medewerkers.job_id om te werken met de ontdekte taakcodeverdeling (IT_PROG, SA_REP, ST_CLERK, …), groepen hr.medewerkers door job_id met twee venstertellingen — één gefilterd op indiensttredingsdatum >= ADD_MONTHS(SYSDATE, -12) en nog een voor de voorgaande periode van 12 maanden — en vervolgens rangschikt op basis van het verschil ten opzichte van het voorgaande jaar. Het resultaat is een gesorteerde lijst met functiecategorieën, inclusief het huidige aantal medewerkers, het aantal medewerkers van het voorgaande jaar, de absolute verandering en de procentuele verandering. De AI markeert de snelstgroeiende functie meestal als een signaal voor een wervingstrend, in plaats van een eenmalige afrondingsfout.

De eerste keer dat de AI een tool aanroept, kan er in uw client een bevestigingsmelding verschijnen waarin u wordt gevraagd de tooloproep goed te keuren. Dit is de standaard toestemmingsprocedure van MCP en geen extra functie van Query Streams. Keur de oproep eenmaal goed en de AI kan de rest van het gesprek zonder problemen voortzetten. U kunt de toestemming op elk gewenst moment opnieuw bekijken in de instellingen van uw client.

Eerlijke factuurmelding: MCP-gebruik wordt gefactureerd op basis van niet-gecomprimeerde bytes.

De Excel-add-in van Query Streams, de Google Sheets-add-on, de webquerybuilder en Nova AI draaien allemaal via onze gecomprimeerde cloudverbinding — wij meten en factureren. gecomprimeerde bytes tegen uw gegevensdomein. Het MCP-transport (Streamable HTTP volgens de officiële MCP-specificatie) ondersteunt geen betrouwbare end-to-end compressie over elke client en tussenliggende proxy, daarom meten en factureren we. uncompressedBytes voor MCP-verkeer.

  • Wat dit betekent: Een Oracle-aggregatiequery van 5 MB kost ongeveer 5 MB van uw data-domein wanneer deze via MCP wordt opgehaald, tegenover ongeveer 700 KB - 1,2 MB via Excel/Sheets/Nova/de Query Builder. Oracle-data met herhaalde VARCHAR2 waarden, job_id codes, en afdelingsnaam Dimensions comprimeert ongeveer 5x via LZ4 op de andere transportmethoden. Dezelfde data, ander transport, andere factureerbare grootte.
  • Wat u kunt doen: voor zeer grote, terugkerende query's (bijv. export van meer dan 100.000 rijen) hr.job_history Voor het controleren van tabellen (zoals bijvoorbeeld audittabellen) is de Excel/Sheets/Nova-aanpak de beste optie. Voor interactieve AI-toolaanroepen (zoals de typische Oracle-respons van 100-5000 rijen die in een LLM-context past) is MCP de juiste keuze en het kostenverschil is slechts een paar cent.

Veelgestelde vragen

Moet ik poorten openen of een VPN-verbinding gebruiken om dit te kunnen gebruiken? +
Geen inkomende firewallregel, port-forwarding, NAT punchthrough of VPN. De netwerkagent maakt één uitgaande TLS-verbinding (poort 443) en uw AI-client bereikt https://mcp.querystreams.com vanaf het openbare internet — als uitgaande HTTPS werkt op de agenthost, werkt MCP. Zie hoe de verbinding die alleen uitgaand verkeer toelaat werkt →
Welke AI-tools kan ik gebruiken met Query Streams MCP? +
Elke client die het open Model Context Protocol ondersteunt, zoals Claude Desktop, Claude Code, Cursor, ChatGPT (betaald), Grok, Gemini CLI, Windsurf, Zed en meer dan 500 andere, is geschikt. Gebruik je eigen AI-tool; je hoeft niet over te stappen. Bekijk alle ondersteunde AI-clients →
Kan ik een MCP-sleutel intrekken? +
Ja, drie onafhankelijke noodstopknoppen (per toets vanaf de /mcp pagina, per organisatie via planinstellingen en platformniveau), en geen van deze opties vereist een databasewachtwoordrotatie of een herstart van de agent. Meer informatie over de beveiliging van MCP-sleutels →
Hoe worden de MCP-kosten in rekening gebracht voor mijn datadomein? +
MCP-uitvoeringsaanroepen worden afgetrokken van hetzelfde databudget dat al wordt gebruikt voor uw Excel-, Google Sheets-, webquerybuilder- en Nova AI-gebruik — één verbruiksbudget voor alle toegangsmethoden. De afmetingen die voor MCP worden gemeten, verschillen. De andere klanten maken gebruik van onze gecomprimeerde cloudverbinding (wij brengen hiervoor kosten in rekening). gecomprimeerde bytes); MCP werkt via Streamable HTTP, dat geen betrouwbare end-to-end compressie biedt via elke client en proxy, daarom brengen we kosten in rekening uncompressedBytesEen Oracle-aggregatiequery van 5 MB die naar Excel wordt teruggestuurd, kost doorgaans ongeveer 700 KB tot 1,2 MB van uw data-domein; hetzelfde resultaat van 5 MB dat naar Cursor via MCP wordt teruggestuurd, kost ongeveer 5 MB. Oracle-data met herhaalde VARCHAR2 Waarden worden ongeveer 5x gecomprimeerd via LZ4 op de andere transportprotocollen. We zijn hier transparant over, omdat we liever hebben dat u dit van tevoren weet dan dat u aan het einde van de factureringscyclus voor verrassingen komt te staan.
Werkt Query Streams MCP met mijn Oracle Autonomous Database, Oracle XE of Oracle op RAC-clusters? +
Ja, de netwerkagent maakt via de Oracle Instant Client verbinding met elke Oracle Database-instantie, versie 11g of nieuwer. Oracle Autonomous Database (Altijd gratis, transactieverwerking, datawarehouse, JSON) Oracle XE (de gratis lokale editie, ideaal voor ontwikkelwerkstations), Oracle op RAC (Reële applicatieclusters), Oracle Exadata (on-premise X8M/X9M en Exadata Cloud@Customer), Oracle Database 19c / 21c / 23c on-premise, AWS RDS voor Oracle, Azure Database voor OracleZowel zelfgehoste Oracle-omgevingen op EC2 / Azure VM's / OCI Compute / Google Compute Engine zien er voor de agent hetzelfde uit: een TNS-verbindingsreeks plus referenties (wachtwoord, wallet, Kerberos of LDAP/directoryservice). Voor Autonomous Database laadt de agent de wallet die u van OCI hebt gedownload en gebruikt standaard TLS-wederzijdse authenticatie. Voor RAC-clusters communiceert de agent met de SCAN-listener; u hoeft de clusterknooppunten niet zelf te enumereren. Tip: Registreer elke Oracle-instantie als een eigen connector. Uw transactionele 19c-primaire server, uw alleen-lezen RAC-standby, uw Exadata-datawarehouse en uw ontwikkelings-XE-database kunnen vier afzonderlijke connectors zijn op dezelfde MCP-sleutel. De LLM kiest de juiste connector op basis van de naam en de vraag (puntzoekopdrachten gaan naar OLTP, grote analytische aggregaties naar Exadata). De MCP-server ziet de inloggegevens niet; alleen de agent ziet ze.
Wat is het verschil tussen dit en het zelf draaien van een open-source Oracle MCP-server? +
Een directe Oracle MCP-server (er bestaan communityprojecten op GitHub) is één MCP per gegevensbron. Om Claude te laten lezen vanuit uw Oracle-, Google Search Console-, Stripe- en Snowflake-datawarehouse, zou u vier MCP-servers nodig hebben die afzonderlijk geconfigureerd zijn in elke AI-client, elk met eigen inloggegevens, een eigen scope-model en een eigen auditlogboek. Query Streams MCP is één sleutel die toegang biedt tot elke connector die aan uw account is gekoppeld. U krijgt ook Schema Intelligence, alleen-lezen-handhaving op agentniveau, snelheidslimieten per sleutel en een auditlogboek. gebeurtenislogboekenen dezelfde data-realm factureringspipeline die u al gebruikt — geen van beide wordt u aangeboden door een direct Oracle MCP-pakket.
Wat gebeurt er als de AI probeert gegevens te schrijven of te verwijderen? +
Het wordt door de agent afgewezen voordat de gegevensbron de SQL-query ziet. Elke qs_run_query Het gesprek wordt verwerkt door een hardgecodeerde, alleen-lezen validator die alleen dit toestaat. SELECT, MET, en UITLEG PLAN verklaringen; al het andere retourneert ALLEEN-LEZEN_SCHENDING en bereikt Oracle nooit. De validator draait in het agentproces op uw netwerk, niet in de cloud, dus een gecompromitteerde cloudomgeving zou deze niet kunnen omzeilen. (U kunt er desgewenst een alleen-lezen gebruiker aan de Oracle-kant bovenop plaatsen – maak een gebruiker aan met alleen leesrechten.) SELECT privileges op het betreffende uur. / verkoop. / financiën. schema's, of verleen de SELECT_CATALOG_ROLE (voor alleen-lezen toegang tot het gegevenswoordenboek. De validator van de agent is onafhankelijk van de door Oracle geconfigureerde toegangsrechten.)
Kan ik zien wat de AI precies heeft gevraagd? +
Ja. Elke aanroep van een MCP-tool schrijft een regel naar gebeurtenislogboeken met de organisatie, gebruiker, sleutel, bereik, latentie en resultaatcode. De organisatiebeheerder kan met één query antwoord geven op de vraag: "Wie heeft MCP vorige week gebruikt, welke connector en wat hebben ze gevraagd?" Merk op dat we de gegevens loggen. naam en metadata van het hulpmiddelNiet de SQL-tekst of de geretourneerde rijen — die gaan via de cloudverbinding en komen nooit in cloudlogboeken terecht. Als u een volledige audit van de SQL-tekst wilt, schakelt u auditing aan de databasezijde in op de onderliggende engine; voor Oracle is dat specifiek: Uniforme audit (12c+, het aanbevolen moderne pad), de erfenis CONTROLE verklaring tegen SYS.AUD$ / DBA_AUDIT_TRAIL, Gedetailleerde audit (DBMS_FGA) voor bereikselectie op kolomniveau, of Oracle Audit Vault en databasefirewall voor gecentraliseerde audits over meerdere Oracle-instanties.
Moet ik Schema Intelligence uitvoeren om Query Streams MCP te kunnen gebruiken? +
Nee - Schema Intelligence is optioneel per (connector, database) paarEn MCP werkt prima zonder. De AI ontvangt het kale schema (typen, primaire sleutels, formele externe sleutels, indexen) en schrijft eenvoudige query's. Met SI ingeschakeld, krijgt de AI zes extra lagen met zorgvuldig samengestelde metadata: (1) Door AI samengestelde beschrijvingen voor elk schema, elke tabel en elke kolom; (2) tabelclassificaties (FACT voor transactionele gebeurtenissen, DIM voor beschrijvende verwijzingen, LOOKUP voor kleine codetoewijzingen) plus een bedrijfsdomeintag (hr, sales, finance, seo, support en nog 14 andere); (3) een semantisch type op elke kolom (valuta, e-mail, datum_iso, statuscode, percentage, ranking_positie, identificatiecode, URL, persoonsnaam en nog 9 andere) dat zorgt voor dialectcorrecte Oracle SQL-generatie (SYSDATE, NVL, HAAL ALLEEN DE EERSTE n RIJEN OP, ADD_MAANDEN); (4) Steekproefwaarden uit uw echte gegevens, zodat het LLM patronen herkent die geen enkel schema kan weergeven, inclusief afgekorte kolomnamen van vóór versie 12c; (5) Enum-detectie met volledige waardeverdelingen voor kolommen met een lage kardinaliteit, zoals job_id; En (6) Door AI ontdekte foreign keys op basis van overlapping van cross-table data (en een verrijking met betrouwbaarheidsscores van de foreign keys die Oracle's data dictionary al declareert) kwamen aan het licht via qs_get_relationshipsZonder SI bevat elke schema-tool-respons ook een si_aanbeveling Een lijst met precies wat er ontbreekt voor het gesprek — de AI kan dit lezen en voorstellen om SI midden in het gesprek te activeren via qs_request_si_analysisDe uitvoeringsduur schaalt mee met het aantal tabellen: een klein Oracle-schema met minder dan 100 tabellen is in ongeveer 10 minuten voltooid; een typisch middelgroot schema (een paar honderd tabellen) is in 15-25 minuten klaar; een grote bedrijfsdatabase met meer dan 1500 tabellen kan 45-60 minuten nodig hebben voor een volledige scan. SI wordt uitgevoerd via uw netwerkagent op uw gegevens (nooit in de cloud), schrijft nooit naar uw database, wijzigt nooit uw schema en wordt incrementeel vernieuwd wanneer uw schema verandert. Hierdoor zijn volgende uitvoeringen na het toevoegen of wijzigen van tabellen veel sneller dan de eerste. Het effect van begin tot eind: met SI ingeschakeld schrijft uw AI-client veel vaker correcte Oracle SQL bij de eerste poging dan bij een "MCP voor X"-server die de LLM-gegevens gewoon onbewerkt doorgeeft. ALLE_TAB_KOLOMMEN.
Wat als ik later nog een connector toevoeg, zoals Stripe of PostgreSQL? +
Aan de clientzijde verandert er niets — dezelfde sleutel bereikt de nieuwe connector zodra de agent deze koppelt.qs_list_connectors (wordt automatisch opgepakt). Eén configuratieblok koopt je hele account, zowel het huidige als het toekomstige. Waarom één sleutel alle connectoren dekt →
Moet ik MCP instellen om met mijn data te kunnen chatten? +
Nee - Nova AI is geïntegreerd in het Query Streams-portaal. Het werkt met elke connector (inclusief Oracle) zonder MCP-installatie of configuratiebestanden. Gebruik Nova om met uw data te communiceren binnen Query Streams; gebruik MCP wanneer u wilt dat uw eigen AI-client (Claude, Cursor, ChatGPT, …) dezelfde data bereikt — dezelfde agent, dezelfde connectors, dezelfde Schema Intelligence eronder. Leer meer over Nova AI →

Aan de slag

Verbind uw AI-tool in vijf minuten met uw Oracle-database.

Met één MCP-sleutel hebt u toegang tot Oracle, elke andere database en elke API-connector in uw Query Streams-account, inclusief een volledig auditlogboek, snelheidslimieten per sleutel en zonder dat u firewallinstellingen hoeft aan te passen. Claude, Cursor, ChatGPT en Grok werken allemaal direct.

Gerelateerde handleidingen: Download de Query Streams Agent. | Databaseconnector instellen | Alle MCP Server-handleidingen | Nova AI tekst-naar-SQL

Categorie: MCP-server

Tags: mcp, claude, cursor, oracle, oracle-database, database, enterprise, autonomous-database

Metabeschrijving: Verbind Oracle Database met Claude of Cursor via Query Streams MCP. Autonoom, RAC, Exadata, 19c. Alleen uitgaand, alleen lezen, installatie in 5 minuten.

Geüpdatet op 16 juni 2026

Mogelijk gemaakt door BetterDocs